导读:探索生命奥秘、发掘生物潜力是科技发展的重要使命之一,在研究脑科学的过程中,华中科技大学苏州脑空间信息研究院在呈现出一个缤纷多彩的大脑空间的同时,也碰到了巨大的存储瓶颈。为此,华中大苏州脑空间院采用浪潮智能存储AS5500G2构建了25PB容量的统一存储资源池,不仅满足了IO吞吐率、可用性的要求,更实现了节能15%、节省30%研究费用的目标。
大脑,蕴含无限奥秘,它拥有多达上千亿的神经元,被称为已知世界中最复杂的物体之一,至今我们却对它知之甚少。但是,一群中国科学家却能给大脑“拍彩照”,让大脑空间呈现出一个缤纷的多彩世界;并能精准定位,给每个神经元上都标记门牌号;还可以把各种形状的神经元单拎出来,清楚地看到每根神经元的走向;尤为难得的是,他们率先以工业化方式大规模、标准化、高分辨绘制脑图谱数据。
这正是华中科技大学苏州脑空间信息研究院(以下简称:华中大苏州脑空间院)正在推进的重要工作。作为华中科技大学、苏州市政府、苏州工业园区、江苏省产业技术研究院四方强强联手建立的,以发展世界领先的脑空间信息技术的研究院,华中大苏州脑空间院通过高分辨、大探测范围和高通量的三维光学显微成像技术,实现在哺乳动物全脑范围,以真实尺度构建包括神经元和血管等脑内复杂结构的精细形态和连接关系的高分辨脑图。这方面探索不仅有重要科学意义,而且对脑疾病防治、智能技术发展也具有重要引导作用。
脑科学计算应用是典型的计算密集型、IO密集型、存储容量密集型的计算,对于存储系统的容量、带宽要求很高。而随着华中大苏州脑空间院的研究工具的演进以及研究领域的逐步深入,对存储的要求更是呈现指数级增长,如果存储系统“掉了链子”,将很难满足脑科学的进阶研究需求。
在人脑中大概有1000亿个神经元,在分析的过程中会产生非常巨大的数据量,仅小鼠脑就有10TB之多,人脑的体积是是小鼠脑的1500多倍,数据量将达到PB级,随着研究的广域度的增加,未来研究院数据产生的规模,将达到100PB以上,如果以研究院现有速度需要一台成像系统至少花费20年时间完成数据采集,所以研究院需要采用多套成像系统并行工作。
浪潮结合多年来的项目经验,给华中大苏州脑空间院制定了以存储为核心的的解决方案。方案采用近20套浪潮智能存储AS5500G2,构建高效、安全的统一存储资源池,提供了25PB裸容量。
在性能方面,浪潮智能存储G2平台采用智能全闪架构设计,可针对大量随机IO进行加速处理,并通过多种对前端应用的感知技术,提升数据处理效率,提供了高达以6GB/s的写带宽,充分满足了华中大苏州脑空间院对脑空间信息海量数据的应用需求。而且,其还可按需扩展,保证华中大苏州脑空间院业务未来发展的扩容需求。
在可用性方面,浪潮智能存储G2采用全冗余架构、全模块化、冗余缓存、双活控制器设计,主要部件无单点故障。另外,华中大苏州脑空间院还采用了以浪潮DPS备份软件、浪潮磁带库TL3000相结合的数据备份、容灾解决方案,采用LAN备份方式实现集中、统一、快速、自动的数据备份,能够显著降低硬件故障等事故所带来的数据丢失等威胁。
在实现大容量与高带宽的同时,AS5500G2还有助于系统建设成本的控制,数据显示,基于浪潮智能存储AS5500G2的一体化解决方案比传统解决方案节约15%的能源,节省大约30%的研究费用。
浪潮存储解决方案的部署彻底解决了华中大苏州脑空间院面临的存储瓶颈,给脑科学的研究奠定了坚实的存储能力基础。华中大苏州脑空间院科研人员表示:“浪潮智能存储方案满足了我们对于存储性能、扩展性、可用性与成本的需求,将有助于我们进行更广泛、更深入的大脑数据采集,从而促进认知脑功能、防治脑疾病、以及类脑智能技术的发展。未来,我们将在颅内宇宙中继续探索,打开神奇的‘脑洞’,给未来创造更多可能。”
好文章,需要你的鼓励
计算机历史博物馆软件馆长Al Kossow成功恢复了上月在犹他大学发现的半世纪前磁带内容。UNIX V4是首个内核用C语言编写的UNIX操作系统版本,已从1970年代九轨磁带中成功恢复。现可从互联网档案馆下载并在SimH中运行。该版本包含约5.5万行代码,其中2.5万行为C语言,内核仅27KB大小。恢复过程使用了readtape程序采样原始磁通变化进行数据重建。
新加坡南洋理工大学研究团队提出"棱镜假设",认为图像可像光谱一样分解为不同频率成分,低频承载语义信息,高频包含视觉细节。基于此开发的统一自编码系统UAE,通过频率域分解成功统一了图像理解和生成能力,在多项基准测试中超越现有方法,为构建真正统一的视觉AI系统提供了新思路,有望推动计算机视觉技术向更智能统一的方向发展。
亚马逊云服务宣布其存储网关现已支持Nutanix的AHV虚拟化管理程序,进一步扩展混合云存储解决方案。此前AWS存储网关已支持VMware ESXi、微软Hyper-V和Linux KVM。由于AHV基于KVM架构,AWS表示添加支持相对容易。随着Broadcom收购VMware后策略调整,许多企业正寻求替代方案,Nutanix成为热门选择。分析师预测VMware可能在三年内失去35%的工作负载。
芝加哥伊利诺伊大学团队提出QuCo-RAG技术,通过检查AI训练数据统计信息而非内部信号来检测AI回答可靠性。该方法采用两阶段验证:预检查问题实体频率,运行时验证事实关联。实验显示准确率提升5-14个百分点,在多个模型上表现稳定,为AI可靠性检测提供了客观可验证的新方案。